匹配任何http地址的正则表达式

Question

我正在努力写一个正则表达式，用来匹配任何http地址。
（背景：我想在一个tkinter窗口里使用它，这是一个简单的编辑器，目的是把http地址变成可以点击的链接）
因为http地址可能很复杂，所以我想知道哪个正则表达式更好。

alessandro

Answer 1

这段内容是基于一个问题，讨论如何用正则表达式来验证一个网址，并且可以匹配空字符串。

假设一个HTTP（或HTTPS）地址需要满足以下条件：

• 以 "http://" 或 "https://" 开头
• 在顶级域名（TLD）和域名之间至少有一个 "."
• 域名由字母、数字、下划线（_）和连字符（-）组成
• 网址的结尾是一个空格，并且可以包含其他任何字符

那么可以用的正则表达式是 '(http|https)://[\w-]+(.[\w-]+)+\S*'

>>> import re
>>> re.sub("(http|https)://[\w\-]+(\.[\w\-]+)+\S*", "### URL ###", "There is an URL in this string : https://stackoverflow.com/questions/6532089/regex-to-catch-any-http-address and it is followed by text")
'There is an URL in this string : ### URL ### and it is followed by text'

不过，这个表达式无法检测网址后面的标点符号。

Answer 2

考虑到带来的各种可能性，我觉得用正则表达式来实现这个几乎是不可能的。

当然，你可以把范围限制在ASCII字符的URL上。

你可以看看<正则表达式库>。

Answer 3

在tornado.escape这个模块里，有一个很不错的方法叫做“linkify”。这个方法可以帮助你处理链接。你可以在这里查看源代码：escape.py。
顺便说一下，我本来想把这个内容作为评论添加上去，但我没有足够的权限，不过希望你觉得这个信息有用。